改进多尺度特征融合的工业现场目标检测算法

为了提高工业现场等复杂场景下的小目标检测的准确率,降低工业现场的安全事故发生率,基于YOLOv3提出了一种改进多尺度特征融合方法。该方法增加了Inception_shortcut模块,优化网络的输出宽度,使用工业现场的监控视频作为数据集以及利用k-means算法对检测目标重新聚类,引入了PANet多尺度特征融合结构,精简了YOLOv3的网络检测输出层。在创建工业现场安全帽、安全绳数据集FHPD、FSRPD以及PASCAL VOC2007数据集上的实验结果表明,改进算法的mAP比原始YOLOv3提高了许多。改进的多尺度特征网络融合增加了参数,但检测速度仍满足算法的实时性要求。